PERSPECTIVAS DE INFLACION EN BOLIVIA.pdf

8/19/2019 PERSPECTIVAS DE INFLACION EN BOLIVIA.pdf

1/32

33

LAJED N 18 Noviembre 2012 33 - 64ISSN: 2074 - 4706

Perspectivas de inflación en Bolivia

The perspective of inflation in Bolivia

Tirza J. Aguilar*

Dennis Martin**

Resumen

La inflación en Bolivia ha evolucionado de manera creciente a nivel interno durante elúltimo bienio. Una primera explicación sostiene la presencia de una creciente inflaciónimportada, sobre todo en lo que respecta a alimentos. Una segunda explicación radica enlas expectativas generadas por los agentes económicos al interior del país, producto de laspolíticas económicas los últimos años. En este marco, el presente inorme busca pronosticarel comportamiento coyuntural de la inflación mediante la aplicación de un Modelo ARIMA.

Palabras clave: Inflación en Bolivia, inflación de alimentos y bebidas, inflación detransporte, Modelos ARIMA, Modelos VAR.

Abstract

In Bolivia the inflation has different ways to evolved, it`s continued growth has itsexplanation is in: the imported inflation, (particularly in the ood division), the expectativegenerated in the country as a result o economic policies in the recent last years.

Te domestic inflation is explained more or the inflation in ood and beverage and

transport. Te paper describes the behavior and makes a orecast or the first semester o 2012through Autoregressive Moving Average models and Autoregressive Vector.

Keywords:Bolivia`s Inflation, Inflation o ood and beverages, Inflation o transportation, ARIMA models, VAR models.

Clasificación/Classification JEL: C32, E31

* Investigador Júnior del Instituto de Investigaciones Socio Económicas de la Universidad Católica Boliviana SanPablo. Contacto: [email protected]

** Profesora medio tiempo de la Universidad Católica Boliviana San Pablo. Contacto: [email protected]


2/32

34


1. Introducción1

A nivel mundial, la economía en 2011 enrentó una desaceleración económica, debido

principalmente a la crisis de los principales países europeos. En Estados Unidos la historia noue muy dierente, pasando de un proceso inflacionario, con la tasa más elevada, en octubredel mismo año, de 3.5%, y declinando hacia finales debido a la moderación de los preciosde las materias primas. A pesar de que está desaceleración aecto a Latinoamérica, la regiónalcanzó una tasa interesante de crecimiento de 4.3 %, aunque inerior a la registrada el año2010 (5.9%)2.

Este comportamiento no se tradujo de manera uniorme en el crecimiento de cada país;

por ejemplo, Argentina logró una tasa de 9%, mientras Brasil solo alcanzo el 2.9%. Por su parte,Bolivia alcanzó una tasa de crecimiento de 5%, reflejando el eecto rezagado que tienen lascrisis internacionales en la economía interna. Al mismo tiempo el país logró mantener estableen términos generales su macroeconomía. Sin embargo, dicha estabilidad no se refleja entodos los sectores productivos, pues éstos no han mejorado sus niveles de crecimiento; por elcontrario, han provocado presiones sobre los precios de los productos básicos.

A comienzos del año 2011 el superávit público del país se constituyó en un elemento

importante para la política monetaria, dado que está acumulación de recursos fiscales redujoel crecimiento de la base monetaria, relajando la inflación; sin embargo, pese a estos esuerzos,la inflación acumulada hasta finales del 2011 ue de 6.9%3 , tasa superior al crecimiento del PIBregistrado (5%). Adicionalmente, la inflación importada también contribuyó a incrementos dela inflación. Hasta mediados de 2011 la inflación importada en el área de alimentos ue la másimportante, para luego descender gradualmente. Sin embargo, ésta alcanzó un crecimiento de13.1% en toda la gestión. Los bienes duraderos, por su parte, surieron un incremento en losúltimos meses del año. El proceso de encarecimiento de los bienes importados tiene un eecto

importante en la inflación nacional, ya que un parte de los bienes consumidos en el país sonde carácter importado. A nivel doméstico los productos más inflacionarios ueron las bebidasalcohólicas, los muebles y artículos domésticos, los alimentos y el transporte, entre otros.

1 El contenido del documento es responsabilidad de los autores y no comprometen las ideas de la institución a laque pertenecen, así como de la Fundación Hanns Siedel. Los autores agradecen especialmente a Raúl Rubín deCelis y Javier Aliaga por los valiosos comentarios y aportes al estudio.

2 Fuente: CEPAL (2011)

3 Fuente página web del Instituto Nacional de Estadística (INE)


3/32

35

Tirza J. Aguilar - Dennis Martin

En este contexto, el artículo tiene el objetivo de pronosticar la inflación para los siguientestrimestres del año, mostrando las posibles causas de dicho crecimiento. En segundo lugar, seplantean escenarios de la posible evolución de la tasa de inflación en Bolivia ante shocks de unincremento en el nivel de precios de los hidrocarburos. El documento está estructurado de lasiguiente manera. En la segunda sección se brinda una breve explicación teórica de lo que es lainflación y las causas de la misma. La tercera sección describe las características de la inflación

boliviana durante el periodo 1995-2011, abarcando también el primer trimestre 2012; eneste apartado se trata de identificar las divisiones que contribuyeron en mayor medida enel alcance de dicha tasa inflacionaria. En la cuarta sección se realiza una breve descripciónmetodológica de los modelos utilizados para la estimación de la inflación en Bolivia, así como

el modelo de simulación/pronóstico usado. Posteriormente se presentan los principalesresultados obtenidos y una sección final de conclusiones.

2. Aproximación teórica a la inflación

El término inflación se refiere al aumento sostenido del nivel general de precios de bienes y servicios en un periodo de tiempo determinado. Este enómeno involucra una disminucióndel poder adquisitivo del dinero respecto a la cantidad de bienes o servicios que se pueden

adquirir con dicho dinero (Mankiw, 2002).

2.1. Causas de inflación

Los procesos inflacionarios han generado a lo largo de la historia múltiples explicaciones,como ser: i) déficits fiscales; ii) presiones de demanda; ii) enómenos estrictamentemonetarios, y iv) expectativas de los agente económicos. En este apartado revisaremos lasprincipales teorías que se han elaborado para explicar el enómeno inflacionario y en algunos

casos v) la inflación importada proveniente del incremento del precio de bienes compradosen el exterior.

Teoría monetaria

Cuando el crecimiento de la cantidad de dinero supera al crecimiento real de la economía,el desbalance termina produciendo un incremento en los precios. Dicho de otra manera, latasa de crecimiento de la cantidad nominal de dinero iguala a la tasa de crecimiento de la rentareal más la tasa de inflación. En este marco se explica la eoría Cuantitativa del Dinero, que


4/32

36


sostiene que, ante incrementos en la oerta monetaria, la economía se adapta incrementandolos precios de los bienes y servicios. Formalmente, podemos decir que aumenta la “velocidadde circulación del dinero”, que en esencia mide la velocidad a la que el dinero cambia de manoen la economía.

*V

M

P Y =

^ h

Donde:

V = la velocidad de circulación del dinero P = el nivel de precios de la economía

Y = el PIB en términos reales P * Y = el PIB nominal M = la cantidad de dinero en circulación

Esta órmula nos dice que si el PIB de una economía es de 1 billón de pesos ( P * Y ) y lacantidad de dinero es de 0,1 billón de pesos, éste dinero tendrá que cambiar 10 veces de manoa lo largo del año. Si despejamos de esta órmula el nivel de precios, tenemos:

*P

Y V M = ^ h

eniendo en cuenta que la velocidad de circulación del dinero suele ser bastante estableen el tiempo y admitiendo, como sostiene la escuela clásica, que el dinero es neutral (no aectaal nivel de producción), se deduce que si aumenta la cantidad de dinero necesariamente estotermina provocando un aumento de precios (inflación).

Teoría keynesiana

La teoría económica keynesiana propone que los cambios en la oerta monetaria noaectan a los precios de orma directa sino indirectamente, a través de diversos mecanismos.La inflación es entonces el resultado de esos procesos económicos que se expresan en losprecios. La emisión monetaria es considerada la principal causa de la inflación, pero no laúltima. La teoría propone otros procesos que se expresan en la inflación. En este marco, estateoría propone tres causales adicionales de inflación, “el modelo del triángulo”.


5/32

37


d) Inflación de demanda, producida cuando la demanda general de bienes se incrementa,sin que el sector productivo pueda adaptar la cantidad de bienes producidos a lademanda existente.

e) Inflación de costos, producida cuando los costos de producción se encarecen y en unintento de mantener la tasa de beneficio los productores incrementan los precios.

) Inflación autoconstruida, es decir, una inflación inducida por expectativas adaptativas4 ,a menudo relacionadas con una espiral de ajustes de la relación precios-salarios.

Teoría del lado de la oferta

Esta teoría centra su análisis en las variables del lado de la oerta relacionadas con ladisminución de la productividad, donde los costos de producción están compuestos por laretribución del actor trabajo (sueldos y salarios) la retribución del capital (los beneficios)

y el precio de los recursos naturales empleados. El origen de la inflación se da a través de laespiral de salarios, donde, si en algunas empresas los incrementos en la productividad laboralpermiten conseguir mejoras salariales notables, los trabajadores del resto de las empresas oramas productivas tratarán de obtener las mismas mejoras mediante presiones.

Los que buscan el origen del desencadenamiento de los procesos inflacionistas en una

inicial elevación de los costes del capital ponen el acento en la existencia de muchas grandesempresas con mayor o menor grado de poder monopolístico, capaces de aumentar losprecios de sus productos por encima de como quedarían determinados por mercados enlibre competencia. En otras ocasiones serán las características específicas de los mercadosfinancieros las que originen subidas en los tipos de interés, con el consiguiente encarecimientode los costes de las empresas endeudadas, que sólo podrán deenderse mediante el alza de susprecios

3. Antecedentes de la inflación en Bolivia

Según datos presentados por el Fondo Monetario Internacional (FMI), en 2011el crecimiento general de precios a nivel mundial ue de 4.9 % en promedio, superior alregistrado el 2010 (3.7%). Por su parte, las economías avanzadas mostraron un crecimiento

4 Se dice que los individuos tienen expectativas adaptativas cuando basan sus expectativas de lo que sucederáen el futuro teniendo en cuenta lo que ha ocurrido en el pasado.


6/32

38


de 2.7% rente a 1.6% del periodo anterior – y las economías emergentes y en desarrollo uncrecimiento de 7.2% rente a 6.1% del periodo anterior (ver Gráfico 1).

Gráfico 1: Crecimiento anual por trimestre del índice deprecios al consumidor según región (2005-2011)

Fuente: Banco Central de Bolivia (2012).

En América Latina5 , el comportamiento fue diferente al registrado a nivel global. La tasaregistrada del índice general de precios para 2011 fue de 6.9 %, ligeramente superior a la delperiodo anterior (en 2010 fue de 6.5%). La explicación para dicha tasa recae básicamente enlos precios elevados de las materias primas registrados la primera mitad del año (ver Cuadro 1).

Desempeño regional

La inflación en la región mostró un crecimiento en la mayor parte de los países. En Argentina se registró una tasa de inflación de 9.5 %, inerior a la tasa de10.9% registrada el añoanterior; las divisiones más inflacionarias ueron en ese país ueron los alimentos y bebidas(7.5%) y la indumentaria (21.2%), entre otros. Por su lado, Brasil registró una tasa de 6.5 %,superior a la registrada el periodo anterior (5.9%) y la mayor desde 2004 (7.4%), pese a la

5 Datos obtenidos de: www.indec.gov.ar; www.ibge.gov.br; www.ine.cl; www.dane.gov.co


7/32

39


desaceleración que mostró la demanda agregada en ese país. Aunque la inflación ue elevada,no superó el intervalo de tolerancia (meta fijada en 4.5% más-menos dos puntos porcentuales)establecido, siendo el octavo año consecutivo en el cual no se sobrepasa dicha brecha.

La inflación en Colombia aumentó debido a las presiones de la demanda interna,situándola en 3.73%, superior en 0.65 puntos porcentuales con respecto al periodo anterior(3.17%). res grupos de bienes y servicios contribuyeron al crecimiento del IPC: alimentos(5.27%), educación (4.57%) y vivienda (3.78%). Chile alcanzó una tasa de 4.4%, porencima del 3.9% esperado y superior a la tasa registrada en 2010 (3%). Los rubros que máscontribuyeron a este incremento ueron el transporte (1.2%), los servicios básicos (1.1%) ylos alimentos (0.7%).

En Perú se observó una tasa de inflación de 4.75%, superior a la observada en 2010(2.07%) y por encima del rango superior de la meta definida por el banco central (de un 2%),con un intervalo de variación de un 1%, donde el rubro de alimentos y bebidas ue el másinflacionario, con una tasa de 6.4%.

Cuadro 1Inflación acumulada a diciembre de cada año, 2010-

2011 (Bolivia y sus principales socios comerciales

2010 2011

Argentina

Bolivia

Brasil

Canadá

Chile

Colombia

Estados Unidos

Japón

México

Perú

R.B. de Venezuela

Uruguay

Zona del Euro9

10.93

7.18

5.91

2.35

2.97

3.18

1.50

-0.40

4.40

2.07

27.36

6.93

2.21

9.51

6.90

6.50

2.30

4.44

3.72

2.96

-0.20

3.82

4.75

28.99

8.60

2.75

Fuente: Banco Central de Bolivia. Informe de Política Monetaria


8/32

40


Desempeño en Bolivia

El Gráfico 2 muestra la inflación acumulada a diciembre de cada año en el período 1995-

2011 y a marzo de 2012. al como se puede observar, la inflación acumulada a finales de2011 alcanzó una tasa de 6.9%, tasa que es menor a la registrada el año anterior (7.2%), perosuperior a la esperada por las autoridades a principios de 2011.

Gráfico 2: Inflación acumulada a diciembre de cada año (1995-2012p)

Fuente: Elaboración propia en base a datos del INE.p: Datos acumulados a marzo de 2012.

El último repunte inflacionario en Bolivia comenzó en el último trimestre de 2010, yestuvo explicado principalmente por el incremento de los precios de la gasolina y el diesel quese dio el 26 de diciembre de 2010, mediante el decreto supremo Nº 748, el cual ue abrogadoel 31 de diciembre del mismo año, pero que tuvo repercusiones en la inflación que se espera

se mantengan hasta junio de 2012 (ver Gráfico 2)

Otros factores que acompañaron este proceso inflacionario fueron, la recuperación de laseconomías desarrolladas y con ella el incremento de los precios de las materias primas. De acuerdoal Banco Mundial, los precios internacionales de los alimentos se incrementaron en 26.8%.

El sector agrícola por su parte mostró un desempeño malo durante 2010, aectadoespecialmente por problemas climáticos, que se vieron reflejados en el deficiente

abastecimiento de los mercados nacionales, provocando especulación y el incremento


9/32

41


de los precios de algunos productos agrícolas de la canasta básica de consumo. Losdesabastecimientos y el incremento temporal de los precios de la gasolina generaron un actoradicional que incrementó los precios de los bienes contenidos en la canasta básica, dadas lasexpectativas de los agentes y los problemas de especulación.

En 2011 las presiones inflacionarias se registraron con mayor uerza durante la primeramitad del año; los rubros de alimentos, bebidas no alcohólicas, restaurantes y hoteles y bebidasalcohólicas y tabaco mostraron índices de inflación altos, los cuales se redujeron en la segúnda mitad del año. Los alimentos procesados en la gestión estuvieron acompañados por uertesprocesos de especulación y contrabando, especialmente en el caso del azúcar.

El análisis de los cinco artículos con mayor incidencia inflacionaria pone en evidenciala predominancia en la inflación de los alimentos, tanto los procesados como los de origenagropecuario (Gráfico 3). Factores estacionales, además de los shocks que aectaron eldesempeño productivo del sector, explican el recurrente posicionamiento de los productosalimenticios entre los que tienen mayor incidencia en la inflación.

Adicionalmente, los eectos del cambio climático (eecto Niño y Niña) tienen uertesimpactos en el sector agrícola y en los precios del mercado interno, por ende. Al existir una

baja en la productividad a raíz de los enómenos climatológicos, los bienes producidos sonmás caros en el mercado interno, lo cual contribuye a la inflación interna.

Gráfico 3: Incidencia en la inflación por división (2009-2011)

Fuente: Elaboración propia en base a datos del INE.


10/32

42


Los cambios en el sector de transportes y la presión por parte de los sindicatos para unincremento en el precio del transporte urbano tienen unas connotaciones importantes a nivelnacional. omando en cuenta la elevada tasa de inflación registrada el último año y siendouno de los artículos que contribuyó en mayor medida a explicar la inflación nacional, requiereespecial atención por los eectos negativos que puede tener sobre otros sectores.

Cuadro 2Inflación mensual por capítulo (2010-2011)

Divisiones del IPC2010 2011

Ene.Jun Jul.Dic Ene-Dic Ene.Jun Jul.Dic Ene-Dic

Alimentos y bebidas

no alcohólicasBebidas alcohólicas y tabaco

Prendas de vestir y calzados

Vivienda, servicios básicosy combustibles

Muebles, artículos yservicios domésticos

Salud

Transporte

Comunicaciones

Recreación y cultura

Educación

Restaurantes y hoteles

Bienes y servicios diversos

-0.6

4.8

0.3

1.2

1.9

1.3

-1.0

-0.4

0.5

0.5

1.8

1.2

12.3

2.0

3.4

2.5

4.0

1.5

9.7

92.8

3.5

0.2

7.6

2.4

11.6

6.8

3.7

3.7

6.0

2.8

8.6

-3.2

3.9

0.8

9.5

3.6

4.2

11.3

3.9

3.0

5.1

6.2

1.4

0.5

1.6

4.9

7.1

6.4

2.6

9.1

2.7

3.2

4.8

3.6

1.8

-0.7

1.1

0.9

2.1

2.7

6.9

21.5

6.8

6.3

10.1

10.0

3.2

-0.2

2.7

5.9

9.4

9.3

IPC Total 0.4 6.7 7.2 4.3 2.5 6.9

Fuente: Elaboración propia en base a datos del INE.

A lo largo de 2011, la inflación importada generada por shocks en los precios de laenergía y los alimentos siguió siendo un actor importante para explicar la inflación interna.

En la primera mitad del año ésta se explicó por el incremento de los precios de los alimentos,los cuales descendieron gradualmente en la segunda mitad del año. Por su parte, los bienesduraderos surieron un incremento en los últimos meses del año, lo cual se reflejó en la cira deinflación importada, que alcanzó en 2011 a un 13.1%.

Los actores de inflación importada y la inflación de alimentos, acompañada de losactores especulativos generados por el incremento transitorio de los precios del diesel y lagasolina aún mostraron sus eectos sobre las expectativas de los agentes económicos a lo largo

de 2011. Sin embargo, el Fondo Monetario Internacional anticipa que en 2012 y 2013 los


11/32

43


precios tenderán a caer, debido a la ragilidad de la actividad económica y la menor demanda;hasta marzo de 2012 dicha simulación no se ha materializado.

Las elevadas tasas de inflación registradas durante los primeros meses de 2011 tienen suexplicación en:

◆ El eecto que siguió al ajuste, temporal, del precio de los hidrocarburos en diciembre de2010. El ajuste de los combustibles ue de 83%, lo cual generó un uerte impacto político

y social negativo por el eecto que tiene dicho sector en la economía interna.

◆ El uerte ajuste inicial de los anteriores precios tuvo dos eectos: i) permitir un ajustede precios que antes se encontraban reprimidos, y ii) incrementar las expectativas

inflacionarias. Estos eectos perduraron aun después de revertida la medida de ajuste delnivel de precios de los hidrocarburos.

◆ El incremento en los precios de los alimentos a raíz de los eectos climatológicos adversos(eectos niño y niña). Como es de esperar, la evolución del IPC de alimentos estáuertemente relacionada a la situación del clima que ha soportado Bolivia durante losdos últimos años. Los periodos largos de intensas lluvias en unas regiones del país encontraposición a periodos prolongados de sequías y ocos de calor en otros han aectado

el ciclo de producción de los cultivos, presionando al alza de precios de dichos productos. ◆ Las presiones inflacionarias provenientes de los precios de los bienes importados,

acompañadas del incremento de las cotizaciones internacionales de los commodities ,tuvieron un eecto importante en la inflación nacional. De acuerdo a Vera y Loza (2009),existe un eecto transmisión rezagado de los precios externos de las commodities sobrelos precios domésticos y el nivel general de precios, y la transmisión al IPC es de maneradirecta e indirecta a través de otros artículos aectados por los shocks externos.

◆ La especulación y el contrabando producidos a raíz de las expectativas generadasen los agentes económicos. Dado que los individuos esperan que los precios de losalimentos y otros bienes sigan incrementando, empiezan a tomar algunas previsiones (nonecesariamente legales) rente a dicha evolución; si la inflación ha sido alta en el pasado,los ciudadanos podrían esperar que sea alta en el uturo.


12/32

44


4. Metodología

En esta sección se describen los modelos utilizados para pronosticar la inflación en

Bolivia para el periodo 2012 y los dierentes escenarios de comportamiento de la misma. Enel presente estudio se utilizan conjuntamente Modelos Autorregresivos de Medias Móviles(ARIMA).

La modelación de la serie de inflación a través de un proceso ARIMA (p,d,q) permitepredecir la inflación en cada periodo basándose en la inormación contenida en la serie deperiodos anteriores (los rezagos de la serie) y así se obtienen los errores de predicción paracada periodo. Los métodos usados consideraron los eectos calendario, datos atípicos y la

extracción de la tendencia del ciclo; mismos que distorsionan la lectura de las variables enestudio por la correlación que presentan.

El objetivo undamental de la propuesta es proporcionar una estrategia de modelizaciónque evite la imposición de restricciones en que se apoya la identificación de los modeloseconométricos convencionales y de esta orma reflejar lo más fielmente posible lasregularidades empíricas e interacciones existentes entre las variables objeto de análisis.

4.1. Metodología ARIMA 6

Los modelos de pronostico ARIMA, también conocidos como modelos Box-Jenkins7 ,usan patrones de datos que, sin embargo, puede que no sean ácilmente visibles en la seriede tiempo. El modelo usa unciones en dierencias, autocorrelación y autocorrelación parcialpara ayudar a identificar un modelo aceptable. Es así que el modelo ARIMA representa unaserie de pasos de filtraje hasta que solo quede ruido aleatorio.

El modelo ARIMA multiplicativo estacional para series con observaciones mensuales

permite;

a) Considerar la relación que puede existir entre las observaciones de meses contiguosdentro de los años.

b) Considerar la relación que puede haber entre años para las observaciones de losmismos meses.

6 Metodología desarrollada por Trívez, Reyes y Aliaga (2007).

7 Un análisis detallado de esta metodología, bien conocida por los analistas económicos en la actualidad, puedeconsultarse, además en Box y Jenkins (1970).


13/32

45


Un modelo ARIMA es un modelo dinámico de series de tiempo, es decir, las estimacionesuturas vienen explicadas por los datos del pasado y no por variables independientes. Elmodelo ARIMA (p,d,q) se puede representar como:

Y Y Y Y 0t d

t t id

t i

i

P

i t i t

i

q

1 1

z z i f fD D= - - + + - +-=

-

=

^ h / /

donde “d” corresponde a las “d” dierencias que son necesarias para convertir la serie originalen estacionaria, , ,1 pfz z son los parámetros pertenecientes a la parte “autorregresiva” delmodelo, , ,1 pfi i son los parámetros pertenecientes a la parte “medias móviles” del modelo,

0z es una constante, y t f es el término de error (llamados también innovaciones).

Supondremos que las series de datos vienen generadas por un proceso ARIMA (p, d , q) X (P ,D , Q)12) definido como:

L L L L y L L u1 112 12 12d D

t t z i U H- - =^ ^ ^ ^ ^ ^h h h h h h

Siendo yt la serie objeto de análisis y L el operador de retardos, tal que , L x x L p

t t p z= - ^ h y L12U^ h son los operadores polinomiales autorregresivos regulares y estacionales,

respectivamente, cuyas raíces características deben caer uera del círculo unitario, y quedefiniremos como:

; L L L L L L L L1 11 22 12

112

224 12

p p

P P

f fz z z z U U U U= - - - - = - - - -^ ^h h

Donde Li ̂ h y L12H^ h son los operadores polinomiales de medias móviles regulares y estacionales, respectivamente, con raíces características uera del círculo unitario, y quedefiniremos como:

1 ; 1 L L L L L L L L1 2 12 1q q Q Q2 12 2 24 12f fi i i i H H H H= - - - - = - - - -^ ^h h

siendo ut un ruido blanco gaussiano, esto es, ,u NID 0 2

t u+ v ^ h

al como se mencionó, se sigue la metodología desarrollada por Box y Jenkins, lamisma que contempla cuatro etapas: identificación, estimación, chequeo y predicción. En laprimera etapa se trata de identificar el modelo susceptible de haber generado la serie yt . Losinstrumentos undamentales que utilizaremos para identificar el modelo son la unción de

autocorrelación muestral (FACM) y la unción de autocorrelación parcial muestral (FAPM).


14/32

46


Una vez identificado el modelo ARIMA , se procederá a estimar los parámetros del mismo(por el procedimiento de máxima verosimilitud exacta) y a eectuar el chequeo del modelo(analizando tanto la significancia individual de los parámetros como el hecho de que puedaaceptarse que los residuos del modelo son ruido blanco). Finalmente se procede a obtenerpredicciones (puntuales y por intervalo) para valores uturos de la serie modelada.

4.1.1. Consideración de los efectos calendario y datos atípicos

Siguiendo literalmente el enoque Box-Jenkins, el análisis univariante de series temporalesresulta recuentemente insuficiente en el contexto de series económicas, debido a que eludedierentes distorsiones que pueden aectar las series objeto de análisis; al ignorarse este aspecto,

no sólo se proporciona una comprensión limitada del comportamiento de las mismas, sinoque se puede llegar a alterar sustancialmente los instrumentos utilizados en las cuatro etapasdescritas en el apartado anterior. Las principales distorsiones se producen como consecuenciade la existencia de eectos externos que conllevan la aparición de observaciones atípicas yde las variaciones de la composición en los dierentes años del calendario. Un tratamientounivariante riguroso de las series temporales debe considerar, por tanto, el análisis adecuadotanto de datos atípicos como de eectos calendario.

Comenzando por los datos atípicos que pueden aparecer en las series temporales, ladetección de los mismos parece imprescindible, puesto que, como señalan Chen, Liu yHudak (1990), un tratamiento adecuado de los mismos puede mejorar la comprensión de laserie objeto de análisis, así como su evolución.

Se han considerado cuatro tipos dierentes de datos atípicos: datos atípicos aditivos(Additive Outlier, AO), el dato atípico innovacional (Innovational Outlier, IO), el cambio denivel (Level Shif, LS) y el cambio temporal (emporary Change, C) (Hillmer, Bell y iao,1983; Chen, Liu y Hudak, 1990; Chen y iao, 1990; Chen y Liu, 1993a, 1993b).

Definición de datos atípicos

Podemos definir cada uno de los cuatro datos atípicos mencionados del siguiente modo:

Un dato aditivo (AO) es un suceso (eecto externo) que aecta una serie en un soloinstante temporal (t = t

0), de manera que podemos expresarlo como:

y z I t t t t 0~= +


15/32

47


Donde:

,

, I

si t t

si t t

1

0

0

0

t

t 0

!=

=

)es la variable (impulso) que representa la presencia o ausencia del dato atípico en el periodo t

0

y w es el eecto de dicho dato atípico.

Un dato atípico innovacional (IO) es un suceso (eecto externo) que aecta la innovación(u

t) del modelo de la serie en un solo instante temporal (t = t

0). Se trata, por tanto, de un

AO sobre la innovación, cuyo eecto sobre la serie observada no se agota en el periodo de

ocurrencia del mismo, sino que se propaga en periodos uturos de conormidad con el modelo ARIMA de la serie. Lo representaremos, por tanto, como sigue:

y z L L L L

L L I

1 112 12

12

t t d D t t 0~

z

i

U

H= +

- -^ ^ ^ ^^ ^

h h h hh h

siendo I t t 0 la misma variable impulso definida en (1A).

Definimos el cambio de nivel (LS) como el suceso que aecta una serie en un periodo, conun eecto permanente sobre la misma. Esto es:

y z L

I z S 1

1t t t

t t t

t 0 0~ ~= +-

= +^ h

Donde I t t 0 se define como en (1A) y S t

t 0 es una variable escalón, que definimos como:

,

,S

si t t

si t t

1

0

0

t

t

0

0

1

$

= )Finalmente, definiremos el cambio temporal (C) como aquel suceso que tiene un

impacto inicial sobre la serie, decayendo el eecto sobre la misma exponencialmente, deconormidad con un actor de amortiguación que denotaremos mediante el parámetro d , talque 0< d < 1. En consecuencia, lo expresaremos como:

y z L I 1

1t t t

t 0

~ d= +

-^ h


16/32

48


Denotando por yt la serie observada y por z t la serie libre de datos atípicos, quedefiniremos genéricamente como en (1), esto es:

z L L L L

L Lu

1 112 12

12

t d D t

z

i

U

H=

- -^ ^ ^ ^^ ^

h h h hh h

El procedimiento seguido en este trabajo para detectar los datos atípicos ha sido eldesarrollado por Hillmer, Bell y iao (1983), y Chen y Liu (1993a), y consta de las siguientesetapas:

Etapa 1. Modelización de la serie suponiendo que no hay datos atípicos y estimación del

modelo identificado, obteniendo la serie de residuos del modelo.

Etapa 2. Para cada observación se supone que hay un dato atípico AO (i =1), IO (i = 2),LS (i = 3) y C (i = 4), estimando el eecto de este dato atípico y su desviación típica; estoes, se obtiene t i~u ^ h y D t i~u ^ h6 @ para i = 1,2,3,4 y t 6 , calculando a continuación losestadísticos:

DT t

t ,i t

i

i

m~

~=

u

u

u

^^

hh

6 @ , para i =1,2,3,4 y t 6

Etapa 3. Definiendo: ,max max ,t t i

i t 0 m m=u u" ,

a) Si C


17/32

49


Suponiendo que el proceso finaliza con la detección de k datos atípicos, la especificacióndel modelo adecuado será:

y V L I zt j j j

k

jt t

t

1

j0~= +=

^ h/

donde zt se define como en, w

j es el eecto del dato atípico j-ésimo ( j =1,2,...,k) y V

j ( L) es un

polinomio de retardos que se define, según el tipo de dato atípico que acontece, como:

,

,

,

V L L L L L

L L

L

L

1

1 1

1

1

1

1

12 12

12

j

d Dz

i

d

U

H

=- -

-

-

^^ ^ ^ ^

^ ^

hh h h h

h h

Z

[

\

]]]]

]]]

si el dato atípico j-ésimo es AO

si el dato atípico j-ésimo es IO

si el dato atípico j-ésimo es LS

si el dato atípico j-ésimo es C

Efectos calendario

al como decíamos al principio de este apartado, además de la existencia o no de datosatípicos, las series temporales pueden verse alteradas como consecuencia de las modificacionesque se producen cada año en el calendario. En eecto, cuando trabajamos sobre todo con

series mensuales (como las consideradas en este trabajo) y variables flujo (variables cuyosdatos mensuales se obtienen por agregación de ciras diarias), resulta obvio que al valor de laserie le va a aectar la composición del calendario, es decir, el número de lunes, martes, etc., quees variable; también puede aectarle la echa, igualmente variable, de la estividad de la Pascua(Semana Santa).

A todas estas circunstancias se las denota como eecto calendario, siendo convenientesu tratamiento (cuantificación y eliminación de sus eectos) en el análisis univariante de

series temporales, y no sólo para mejorar la comprensión de la serie, sino también porque


18/32

50


los mismos pueden llevar, al igual que ocurría con los datos atípicos, a adulterar las dierentesetapas de la metodología Box-Jenkins.

Veamos a continuación cómo podemos incorporar cada uno de estos eectos calendarioreeridos en el análisis univariante de series temporales.

(1) Efecto días de la semana

Siguiendo a Cleveland y Grupe (1983) y Hillmer, Bell y iao (1983), podemos comenzarajustando el eecto calendario en el mes t:

DS X X X 1 1t t t t 2 2 7 7fc c c = + + +

Siendo X it el número de lunes (i = 1), martes (i = 2),…, domingos (i = 7 ) en el mes t , y

siendo ic el eecto de un día tipo i en la variable de interés. La expresión anterior presenta, sinembargo, un problema importante: las estimaciones de los coeficientes tendrán poca precisióncomo consecuencia de la existencia de multicolinealidad. Para solucionar este problemaseguiremos la propuesta de Salinas y Hillmer (1987), que plantea la re-parametrizaciónalternativa siguiente:

DS D D D1 1t t t t 2 2 7 7f b b b = + + +

Donde:

, , , , ; D X X i D X 1 2 67 7it it t t it i 1

7

f= - = ==

^ h /

, , , , ;i 1 2 6 7i i f b c c b c = - = =r r^ h

(2) Efecto Pascua

La característica principal de la estividad de Pascua es la movilidad de la misma en elcalendario, motivo por el que deben diseñarse variables artificiales que reflejen en cada año eleecto que ejerce sobre la serie objeto de estudio en los meses de marzo y abril. Para modelarel eecto Pascua se hacen las dos hipótesis simplificadoras siguientes: a) suponer un periodode Semana Santa fijo igual a τ días, y b) suponer que la incidencia sobre la serie objetivo es lamisma durante todo el periodo fijado.


19/32

51


Bajo estos supuestos, la expresión que consideraremos es:

,P H t t a x = ^ h

Siendo , H t x = ^ h la proporción de días con eecto Semana Santa anteriores al domingo dePascua que caen en el mes t.

El modelo genérico que especificaremos para una serie temporal, en la que seansignificativos los eectos calendario y para la que hayamos detectado k datos atípicos, es, endefinitiva, el siguiente:

, y D H t V L I L L L L

L Lu1 1

t i it

i

j j jt t

j

k

d D t

1

7

1

12 12

12

j0

b a x ~ z

i

U

H

= + + + - -= =^ ^ ^ ^ ^ ^^ ^

h h h h h hh h

/ /

4.1.2. Extracción de la señal tendencia-ciclo

oda extracción de señales (Maravall, 1989, 1990; Espasa y Cancelo, 1993) se basa en ladefinición de un filtro (media móvil) adecuado para resaltar la señal (componente) de interésque debe aplicarse a la serie original (observada). Las ormas que adoptan estos filtros originandistintos procedimientos alternativos de extracción de señales, que podemos clasificar en

dos grandes grupos: los empíricos y los basados en modelos. En este trabajo utilizaremos elmétodo de extracción de señales basado en modelos de orma reducida, donde se trata deextraer los distintos componentes de la serie analizada del modelo tipo.

, y D H t V L I L L L L

L Lu

1 1t i it

i

j j jt t

j

k

d D t

1

7

1

12 12

12

oj b a x ~z

i

U

H= + + +

- -= =^ ^

^ ^ ^ ^^ ^

h hh h h h

h h/ /

Debe observarse que el modelo contiene dos partes bien dierenciadas. Por un lado, unaparte aleatoria, constituida por la modelización ARIMA propiamente dicha; y, por otra, unaparte determinista, que engloba los eectos de los datos atípicos y del calendario.

La extracción de las señales (componentes) deberá realizarse, por tanto, en dos ases.En una primera, se tratará de extraer las señales de la parte aleatoria por el método de laorma reducida. A continuación, en una segunda ase, se repartirán los elementos de la partedeterminista en los distintos componentes identificados previamente.

Para extraer las señales de la parte aleatoria se obtienen los filtros adecuados para estimar

los componentes a partir del supuesto de que cada uno de ellos se modela a su vez como un


20/32

52


modelo ARIMA. Este método tiene un problema de identificación, como consecuencia deque existen infinitas estructuras (descomposiciones de los componentes de la serie original)igualmente compatibles con el modelo ARIMA de partida, sucediendo, además, que paradeterminados modelos ARIMA no existe una solución posible de descomposición. Parasolucionar el problema de identificación se introduce un supuesto adicional, denominadorequisito canónico.

El planteamiento básico de este método8 es el siguiente; sea la serie observada objeto deanálisis, cuyo proceso generador de datos viene dado por el proceso:

* * L y L ut t z i =^ ^h h

Donde:

*

*

L L L L L

L L L

1 1 12 12

12

d D

z z

i i

U

H

= - -

=

^ ^ ^ ^ ^

^ ^ ^

h h h h h

h h h

Las raíces de los polinomios * Lz ^ h y * Li ^ h se asignan a cada uno de los componentes,tendencia-ciclo (), estacional (E) e irregular (I), teniendo en cuenta el componente al que

teóricamente corresponde. De hecho, se supone que los tres componentes siguen procesos ARIMA de la siguiente orma:

L T L a

L E L b

L I L c

T t T t

E t E t

I t I t

z i

z i

z i

= =

= =

= =

^ ^

^ ^

^ ^

h h

h h

h h

,

,

,

a NID

b NID

c NID

0

0

0

t a

t b

t c

2

2

2

+

+

+

v

v

v

^

^

^

h

h

h

Los polinomios autorregresivos están relacionados mediante la expresión:

L L L LT E I z z z z=^ ^ ^ ^h h h h

De manera que los polinomios de la parte derecha no tienen raíces comunes. Además,se imponen las restricciones de que el orden de los polinomios LT i ^ h y L E i ^ h no ha desuperar el orden máximo de los polinomios LT z ^ h y L E z ^ h , respectivamente, así como la

8 Para una mayor profundización en el mismo pueden consultarse los trabajos de Burman (1980), Hillmer y Tiao(1982), Bell y Hillmer (1984),Maravall (1987) y Maravall y Pierce (1986 y 1987).


21/32

53


restricción canónica a la que nos reeríamos antes, consistente en maximizar la varianza de lainnovación del componente irregular (c

t ), lo que significa que la mayor parte de la variabilidad

se concentra en este componente.

Una vez calculados los valores de los parámetros de la expresión anterior, teniendoen cuenta las restricciones que se han señalado, el siguiente paso consiste en aproximar los

valores de los componentes correspondientes a la serie objeto de descomposición. Cadauno de estos componentes se aproximará minimizando el error cuadrático medio entre el

verdadero componente y la aproximación reerida, dando lugar a los siguientes filtros teóricospara cada uno de los tres componentes:

:

:

:

T L L

L F L F L F

E L L

L F L F L F

I L L

L F L F L F

u

a T T E E I I

u

b E E T T I I

u

c I I T T E E

2

2

2

2

2

2

v v

i zi i z z z z

v v

i z

i i z z z z

v v

i z

i i z z z z

^ ^^ ^ ^ ^ ^ ^

^ ^^ ^ ^ ^ ^ ^

^ ^^ ^ ^ ^ ^ ^

h hh h h h h h

h hh h h h h h

h hh h h h h h

Donde F es un operador de adelantos inverso al de retardos L; es decir:

F L 1

= -

Una vez eectuada la extracción de señales de la parte aleatoria del modelo, debemosrepartir entre los componentes tendencia-ciclo, estacional e irregular, la parte determinista dedicho modelo. En cuanto a la orma de repartir los eectos días de la semana y Pascua hemosseguido el método propuesto por Hillmer, Bell y iao (1983) (véase también al respectoEspasa y Cancelo, 1993).Y en cuanto a los eectos de los datos atípicos, debe distinguirse la

orma de tratar los AO, IO y C con los LS.

Por lo que respecta a los tres primeros, cabe recordar que el eecto que los mismos tienensobre la serie es transitoria (reerida al momento único de su ocurrencia en el caso del AO yaectando a periodos posteriores en los otros dos casos, aunque amortiguándose su eectohasta desaparecer); por ello, estos eectos se asignan directamente al componente irregular,dado que es el que por definición recoge las anomalías que modifican el corto plazo de lasseries.


22/32

54


En lo que respecta al Cambio de Nivel (LS), dado que el eecto que produce sobre laserie es de carácter permanente, su eecto ha de asignarse en su totalidad a la tendencia, ya querepresenta un cambio en la evolución a largo plazo de la misma.

Los tres conceptos básicos que permiten configurar el análisis cuantitativo de coyunturaeconómica son: evolución subyacente, crecimiento sub-yacente e inercia.

La evolución subyacente de una serie es la trayectoria de avance firme y suave de la misma,una vez que a los datos originales se les han extraído aquellas oscilaciones que dificultan elseguimiento del enómeno de interés. Esta trayectoria es la realmente importante para evaluarla evolución del enómeno, ya que éste oscila alrededor de ella, de orma que las desviaciones

sobre la misma se compensan. Precisamente por ello, en la evolución subyacente se puedendetectar ciertas peculiaridades básicas del enómeno, que en cambio pueden ser diícilmenteperceptibles en la serie original.

En el presente documento se identifica la evolución subyacente de cada una de las seriesanalizadas, como el componente tendencia-ciclo, el cual se obtiene siguiendo la metodologíadescrita en los epígraes anteriores. Un elemento primordial para todo análisis de coyuntura esel ritmo de variación (tasa de crecimiento) de las variables analizadas. A este respecto, teniendo

en cuenta que las tasas de crecimiento de interés son las anuales, éstas deberán aplicarse sobreel componente tendencia-ciclo de la serie, y resulta conveniente que las mismas estén en asecon los crecimientos9 básicos (entendiendo por tales los crecimientos intermensuales).

Junto a los conceptos de evolución subyacente y crecimiento subyacente, otroespecialmente relevante para la evaluación de la situación coyuntural es el de inercia,entendiendo por tal la expectativa de crecimiento a medio plazo de la serie.

A partir de los tres conceptos clave enunciados en el apartado anterior –evolución

subyacente, crecimiento subyacente e inercia–, podemos elaborar una estrategia deevaluación de los resultados cuantitativos contenidos en estos conceptos, con el fin de elaborardiagnósticos precisos sobre la inflación boliviana.

Los cinco puntos undamentales sobre los que se eectuarán los diagnósticos pertinentesson los siguientes:

9 Definimos crecimiento subyacente como la tasa de crecimiento anual centrada obtenida a partir de laevolución subyacente de la serie, esto es, obtenida a partir de su componente tendencia-ciclo, y calculada conpredicciones al final de la muestra. Se trata en definit iva de la tasa T112, para el momento t.


23/32

55


a) Descripción y valoración de la evolución subyacente

Se trata de determinar si la variable analizada se encuentra en situación de crecimiento

acelerado, desacelerado o constante, y a qué tasa de crecimiento avanza en la actualidad.Esto se conseguirá analizando la evolución del crecimiento subyacente de la inflación.

b) Análisis respecto a si cabe esperar cambios en el signo de la evolución

subyacente

Comparando la situación actual de la evolución subyacente (de crecimiento acelerado,desacelerado o constante) con la expectativa de crecimiento a mediano plazo (inercia),concluiremos respecto a si es probable o no que la situación de la evolución subyacente

cambie de dirección y, en caso afirmativo, en qué sentido. Así, si por ejemplo el crecimientosubyacente actual está por encima (por debajo) del valor de la inercia, parece lógicoesperar una ralentización (aceleración) de aquél hasta alcanzar el valor de la inercia.

c) Evaluación de la mejoría o empeoramiento de la situación a corto plazo

Se trata de comparar la estimación actual del crecimiento subyacente para el periodot, con el obtenido con bases inormativas anteriores; en concreto, si el crecimientosubyacente que obtenemos para una serie cualquiera en el periodo correspondiente al

mes de marzo del año 2012 –tomando como base inormativa los datos hasta este mes–es superior (inerior) al crecimiento subyacente obtenido para la misma serie y la mismaecha –tomando como base inormativa los datos hasta el mes de marzo del mismoaño–, concluiremos que las perspectivas a corto plazo para la serie objeto de estudio hanmejorado (empeorado) en el corto plazo.

d) Evaluación de la mejoría o empeoramiento a mediano plazo

Se trata de comparar las expectativas actuales de crecimiento a mediano plazo con las

anteriores, esto es, comparar el valor de la inercia calculado con una base inormativaconstituida por toda la inormación disponible, con el valor que se obtenía con una

base inormativa más reducida. Concluiremos que existe la posibilidad de una mejoría(empeoramiento) a mediano plazo cuando las expectativas actuales de crecimiento amediano plazo son mejores (peores) que las que se obtenían con anterioridad. En casode que sean análogas, diremos que a mediano plazo la situación se mantiene estancada.


24/32

56


e) Análisis comparativo de la evolución de las series a nivel regional

Se trata de comparar los distintos aspectos de la serie correspondiente al total nacional

(aspectos mencionados en los párraos anteriores) con los que se obtienen para lasdierentes regiones consideradas.

4.2. Modelización

En el modelo se utilizó la descripción y valoración de la evolución de la inflación subyacente,misma que se usó para evaluar la mejora o deterioro de la situación a corto plazo. Lo que sequiere hacer es comparar la estimación actual del crecimiento de la inflación subyacente para

el periodo 2012 en base a la inormación de la inflación de periodos anteriores hasta los datosobservados a marzo de 2012; y como año base de reerencia el año 200710.

5. Resultados

a) Comportamiento de la inflación (ver cuadro 3)

◆ La inflación acumulada a 2010 ue de 7.18%, en 2011 ue de 6.90%. y se espera que lainflación aculada para fines de 2012 sea de 6.56% (-4.93% respecto al año anterior).

◆ En corte a marzo de 2010, la inflación acumulada ue de 0.22%, en marzo de 2011 uede 3.89%, y en marzo de 2012 ue de 1.09%, mostrando una uerte desaceleración de lainflación respecto al mismo periodo el año anterior.

◆ La uerte inflación acumulada en el primer trimestre de 2011 se explica claramente comoeecto de la suspensión (temporal) de la subvención a los hidrocarburos en diciembre de2010, que incremento el precio de la gasolina en más de 80%.

◆ Esta medida de choque (gasolinazo) ue suspendida casi de inmediato, sin embargo se

produjo el enómeno conocido como “precios pegajosos”, es decir, que los precios seincrementaron como consecuencia del aumento del precio de la gasolina; al revertirse lamedida, los precios no disminuyeron en la misma medida.

◆ La metodología utilizada permitió detectar que el gasolinazo de diciembre de 2010introdujo un dato atípico innovacional (IO) que es un suceso (eecto externo) que aectala innovación del modelo en un solo instante temporal, pero cuyo eecto sobre la serie

10 La serie de datos utilizada no contempla datos anteriores a 1990 por la variabilidad de los precios internosposterior a la hiperinflación ocurrida en Bolivia.


25/32

57


observada (inflación) no se agota en el periodo de ocurrencia, sino que se propaga enperiodos uturos.

◆ Según el modelo estimado, este IO producto del gasolinazo tendrá un eecto positivosobre la inflación de hasta 18 meses, por lo que cabe esperar que la incidencia delenómeno se absorba para junio de 2012.

◆ Según, la metodología de descomposición planteada, diversos enómenos aectaronel comportamiento de la inflación en 2010 en los meses de marzo, agosto, octubre,noviembre y diciembre, de los cuales solo el gasolinazo de diciembre mantiene un eecto

vigente sobre el comportamiento corriente de la inflación.

◆ Enero y ebrero de 2011 muestran una uerte tasa de crecimiento de la inflación, debidoa la inflación importada y al uerte desajuste general del mercado causado por el alza deprecios de combustibles a fines de 2010.

◆ En 2011 no se detectaron datos atípicos de gran importancia, salvo un moderado eectoaditivo OA en mayo.

Cuadro 3Variación del índice de precios al consumidor

Año base 2007

Mes

Índice de preciosal consumidor

Inflación mensual Inflación acumulada

(en porcentajes) (en porcentajes)

2010 2011 2012 2010 2011 2012 2010 2011 2012

Enero

Febrero

Marzo

Abril

Mayo

JunioJulio

Agosto

Septiembre

Octubre

Noviembre

Diciembre

Acumulado Anual

116,35

116,54

116,40

116,51

116,49

116,65117,37

118,61

119,53

120,99

122,33

124,49

126,10

128,19

129,33

129,36

129,62

129,80130,49

130,99

131,39

132,01

132,44

133,08

133,49

134,15

134,54

0,17

0,17

-0,12

0,09

-0,02

0,140,62

1,06

0,77

1,22

1,11

1,76

7,18

1,29

1,66

0,89

0,02

0,20

0,140,53

0,38

0,30

0,47

0,32

0,49

6,90

0,30

0,49

0,29

1,09

0,17

0,34

0,22

0,31

0,29

0,431,05

2,12

2,91

4,16

5,33

7,18

1,29

2,97

3,89

3,91

4,12

4,274,82

5,22

5,54

6,04

6,38

6,90

0,30

0,80

1,09

Fuente: Elaboración propia en base a datos del Instituto Nacional de Estadística


26/32

58


b) Análisis respecto a si cabe esperar cambios en el signo de la evolución

subyacente

◆ La inflación acumulada (I) es 1.780% y su respectiva inercia es de 1.788%; por lo tanto,existe una ligera aceleración de 0.08% en el comportamiento de la inflación.

◆ Podemos concluir que no cabe esperar un cambio de signo en la evolución subyacente dela serie en el primer semestre de 2012.

◆ Sin embargo, se puede esperar un cambio de signo para la evolución subyacente para lasegunda mitad del año, dada la absorción del IO producto del gasolinazo de diciembrede 2010 (este resultado es coherente con un inflación esperada para 2012 de -4.93%

respecto al año anterior).Cuadro 4

Variación y predicción del índice de precios al consumidorAño base 2007

Índice de precios alconsumidor 2012

Inflación mensual 2012 Inflación acumulada 2012


Mes (IT-12) (IT) (IT+12) (IT-12) (IT) (IT+12) (IT-12) (IT) (IT+12)

Enero

Febrero

Marzo

Abril

Mayo

Junio

133,49

134,15

134,54

134,75

135,18

135,66

133,49

134,15

134,54

134,76

135,10

135,46

133,49

134,15

134,54

134,76

135,12

135,50

0,30

0,49

0,29

0,16

0,32

0,35

0,30

0,49

0,29

0,17

0,25

0,27

0,30

0,49

0,29

0,17

0,27

0,28

0,30

0,80

1,09

1,25

1,57

1,93

0,30

0,80

1,09

1,26

1,51

1,78

0,30

0,80

1,09

1,26

1,53

1,82

Acumulado 1er Semestre 1,93 1,78 1,82

Fuente: Elaboración propia

c) Evaluación de la mejoría o empeoramiento de la situación a corto plazo

(expectativas de los agentes)

◆ Comparando la actual tasa de crecimiento subyacente de la inflación con distintas basesinormativas I-12 (ormación de expectativas), podemos observar que el crecimientode la inflación a marzo de 2010 ue de 0.90%, y que la misma expectativa se mantuvoestable para 2011 y 2012 (0.88% y 0.89%, respectivamente).

◆ Este resultado es interesante porque muestra que en marzo de 2010 esperábamos unainflación prácticamente similar para marzo de 2011 y lo mismo respecto a 2012. Sin


27/32

59


embargo, la inflación acumulada para 2011 ue muy superior y alcanzo el 3.89%; estehecho no se incorporó dentro de las expectativas de los agentes para 2012.

d) Evaluación de la mejoría o empeoramiento a mediano plazo

◆ La inflación pronosticada para el primer semestre de 2012 es de 2.27%, mientras quela inercia de junio es de 1.788%; este resultado es coherente con la absorción del IOdetectado.

◆ El resultado ratifica una desaceleración de la inflación para el segundo semestre de 2012,que se mantendría hasta noviembre, para luego acelerarse como resultado del enómenoestacional navideño (Cuadro 5).

◆ Se establece que el comportamiento de la inflación mensual es bastante cíclica, mostrandouna correlación entre la serie I e I+12.

Cuadro 5Variación y predicción de la tendencia subyacente del índice de precios al consumidor

Año base 2007




Mes (IT-12) (IT) (IT+12) (IT-12) (IT) (IT+12) (IT-12) (IT) (IT+12)Enero

Febrero

Marzo

Abril

Mayo

Junio

133,11

133,49

134,01

134,67

135,37

136,02

133,11

133,48

133,99

134,61

135,25

135,84

133,11

133,48

134,00

134,63

135,27

135,87

0,22

0,29

0,39

0,49

0,52

0,48

0,22

0,28

0,38

0,46

0,47

0,43

0,22

0,28

0,39

0,47

0,48

0,44

0,22

0,51

0,90

1,39

1,92

2,41

0,22

0,50

0,88

1,35

1,83

2,27

0,22

0,50

0,89

1,36

1,85

2,30

Acumulado 1er Semestre 2,41 2,27 2,30


6. Conclusiones

El modelo nos permite determinar que para 2012 se espera una inflación acumulada de6.56% (-4.93% respecto al año anterior). A pesar de ello, los autores de este artículo consideranque, dada la metodología de cálculo que utiliza el INE para el IPC, es de esperar que la inflacióncentrada en alimentos sea por lo menos de 9%.


28/32

60


La inflación importada ha sido uno de los actores más importantes en la explicaciónde la inflación, por lo cual se deberá tener cuidado con este indicador que podría seguirgenerando presiones inflacionarias. Por tanto, las medidas de la autoridad monetaria enmateria cambiaria deberán llevarse adelante con la suficiente anticipación, con el objeto demantener la competitividad y reducir los eectos de la inflación importada en la inflaciónnacional. Por lo mismo, las políticas monetarias que permiten controlar los grados de liquidezde la economía deberán realizarse con la suficiente antelación, de modo de poder controlar lainflación interna, dado que ésta tiene un rezago en su eecto sobre la inflación.

El eecto del gasolinazo producido en diciembre de 2010 ha incidido en la aceleraciónde la inflación hasta 18 meses. Los autores de este artículo consideran que el nivelamiento

de precios de la gasolina es una medida adecuada, aunque la misma deberá obedecer a algúncriterio de ocalización, dado su enorme impacto sobre la inflación; además, debería llevarsedelante de manera paulatina y no en una sola reorma de precios.

Finalmente, el ejercicio realizado con la metodología planteada muestra de manera inicialque las expectativas inflacionarias de los agentes económicos son estáticas en el último trienio.Sin embargo, los autores han podido evidenciar que estas expectativas se han mantenido altasen 2010 y 2011, generando especulación y contrabando.

Artículo recibido: 14 de mayo de 2012

Manejado por: ABCE

Aceptado: 10 de septiembre de 2012


29/32

61


Referencias

1. Banco Central de Bolivia (2011). Inorme de Política Monetaria. Bolivia.

2. Banco Central de Bolivia (2012). Inorme de Política Monetaria. Bolivia.

3. Barro, Robert J. (1997). Macroeconomics. Cambridge, Mass: MI Press.

4. Blanchard, Olivier (2000). Macroeconomics. Englewood Cliffs, N.J: Prentice Hall.

5. Box, G. E. P. y Jenkins, G. M. (1970). Time Series Analysis: Forecasting and Control.San Francisco, Holden-Day.

6. CEPAL (2011). Balance preliminar de las economías de América Latina y El Caribe.

Chile7. Chen, C.; Liu, L. M. y Hudak, G. B. (1990). “Outlier Detection and Adjustment in ime

Series Modeling and Forecasting”, Working Paper Series. SCA.

8. Chen, C. y Liu, L. M. (1993a). Joint Estimation o Model Parameters and Outlier Effectsin ime Series. Journal of the American Statistical Association , Nº 88, 284-297.

9. Chen, C. y Liu, L. M. (1993b). Forecasting ime Series with Outliers. Journal ofForecasting , Nº 12, 13-35.

10. Chen, C. y iao, G. C. (1990). Random Level-Shif ime Series Models, ARIMA Approximations and Level-Shif Detection. Journal of Business and EconomicStatistics , Nº 8, 83-97.

11. Cleveland, W. P. y Grupe, M. R. (1983). “Modeling ime Series when Calendar Effects Are Present”. En: A . Zellner (ed.), Applied Time Series Analysis of Economic Data , Washington, Department o Commerce, Bureau o the Census, pp. 57-67.

12. Espasa, A. y Cancelo, J. R. (1993). Métodos cuantitativos para el análisis de la

coyuntura económica. Madrid: Alianza editorial.13. Hillmer, S. C.; Bell, W. R. y iao, G. C. (1983). “Modeling Considerations in the

Seasonal Adjustment o Economic ime Series”. En: A. Zellner (ed.). Applied TimeSeries Analysis of Economic Data. Washington, Department o Commerce Bureau othe Census, pp. 74-100.

14. Mankiw, N. Gregory (2010). Macroeconomics. Boston, MA, USA: WH Freeman & Co.

15. Maravall, A. (1989). La extracción de señales y el análisis de coyuntura. Revista

Española de Economía , Nº 6, 119-132.


30/32

62


16. Maravall, A. (1990). Análisis de un cierto tipo de tendencias. Cuadernos Económicosde ICE , Nº 44, 127-146.

17. Salinas, . S. y Hillmer, S.C. (1987). Multicollinearity Problems in Modeling imeSeries with rading-Day Variation. Journal of Business and Economic Statistics , Nº5, 431-436.

18. Sims, Christopher (1980). Macroeconomics and reality. Econometrica , 48(1), 1-48,enero.

19. rívez, F. J.; Reyes, A. M. y Aliaga, F. J. (2007). Análisis coyuntural y prospectivo de laindustria maquiladora de exportación mexicana. Economía mexicana , 17(1), nuevaépoca.

20. Vera Cossío, Diego A. y Loza Paz, Fabián (2009). Un análisis del efecto de los preciosexternos de las commodities en Bolivia. Segundo Encuentro de Economistas del BCB.Septiembre de 2009.

Páginas web consultadas:

www.indec.gov.ar www.ibge.gov.br

www.ine.cl www.dane.gov.co www.ine.gob.bo www.bcb.gob.bo


31/32

63


Anexos

Anexo 1

Modelo Var - Variación y predicción del índice de precios al consumidorAño base 2007




Mes Optimista Normal Pesimista Optimista Normal Pesimista Optimista Normal Pesimista

Enero

Febrero

Marzo

AbrilMayo

Junio

133.49

134.15

134.54

133,36132,74

132,20

133,49

134,15

134,54

133,98133,65

133,41

133,49

134,15

134,54

134,60134,55

134,62

0,30

0,49

0,29

-0,87-0,46

-0,41

0,30

0,49

0,29

-0,41-0,25

-0,17

0,30

0,49

0,29

0,05-0,04

0,06

0,30

0,80

1,09

0,21-0,26

-0,67

0,30

0,80

1,09

0,680,42

0,25

0,30

0,80

1,09

1,141,10

1,16

Acumulado 1er Semestre -0,67 0,25 1,16


Anexo 2Variación y predicción del índice de precios al consumidor ante shocks de hidrocarburos

Año base 2007





Enero

Febrero

Marzo

Abril

Mayo

Junio

133,49

134,15

134,54

126,88

122,02

112,04

133,49

134,15

134,54

138,51

134,09

128,11

133,49

134,15

134,54

154,29

146,27

143,33

0,30

0,49

0,29

-5,69

-3,83

-8,18

0,30

0,49

0,29

2,95

-3,19

-4,46

0,30

0,49

0,29

14,68

-5,20

-2,01

0,30

0,80

1,09

-4,66

-8,31

-15,81

0,30

0,80

1,09

4,08

0,76

-3,74

0,30

0,80

1,09

15,93

9,91

7,70

Acumulado 1er Semestre -15,81 -3,74 7,70



32/32


Anexo 3Variación y predicción del índice de precios al consumidor ante shocks graduales

Año base 2007





Enero

Febrero

Marzo

Abril

Mayo

Junio

133,49

134,15

134,54

133,23

132,24

130,32

133,49

134,15

134,54

134,36

134,06

133,38

133,49

134,15

134,54

136,09

137,05

136,64

0,30

0,49

0,29

-0,97

-0,74

-1,45

0,30

0,49

0,29

-0,13

-0,22

-0,50

0,30

0,49

0,29

1,16

0,70

-0,30

0,30

0,80

1,09

0,11

-0,63

-2,08

0,30

0,80

1,09

0,96

0,73

0,23

0,30

0,80

1,09

2,26

2,98

2,67

Acumulado 1er Semestre -2,08 0,23 2,67


Documents

PERSPECTIVAS DE INFLACION EN BOLIVIA.pdf